切削颤振信号的混沌时间序列识别方法研究

对切削颤振的在线监测识别是提高加工质量的关键技术之一。基于离散动力系统非线性混沌控制理论,以加工过程振动信号为非线性系统输入量,采用嵌入时间序列和关联积分的C-C算法,确定最佳嵌入维数m与时间延迟τ,进而对在线监测获得的离散振动信号进行相空间重构。实施铣削颤振试验,采用上述时间序列分析方法获得颤振产生前后的相图,分析表明相图表现出混沌特性,实现了切削颤振的识别。     

基于LabVIEW、MATLAB的中空结构铝合金高速铣削噪声试验设计

针对立铣刀高速加工中空结构铝合金的噪声振动问题,通过设计正交试验和利用不同类型刀具对工件进行高速铣削试验研究。以NI-PXI-1045为平台,通过LabVIEW软件编程采集加工噪声和振动加速度信号。利用LabVIEW和MATLAB软件的混合编程,对噪声振动信号进行时域和频域分析。研究表明,该试验设计可以实时、准确的采集到噪声振动信号,能够对试验数据进行快速处理,信号准确且易于存储,为噪声产生机理分析提供方便。     

基于BP神经网络的外圆磨削颤振在线识别和监测方法

为提高机床磨削加工过程中对颤振现象识别的能力,提出一种基于BP(back?propagation)神经网络模型的颤振识别方法。通过对加工过程中传感器采集到的高频声发射信号以及振动信号相关特征值的提取,获得关于颤振的多特征参数样本库,并用其对BP神经网络模型进行学习和训练,建立BP神经网络在线识别颤振的算法模型,实现对机床加工过程中是否发生颤振的在线监测和识别。试验结果表明:这种基于BP神经网络模型的颤振识别测试结果与磨削加工试验中的磨削颤振现象结果相符合。该方法能够有效地识别磨削加工过程中的颤振,并起到在线监测识别的作用。      

玻璃纤维机加工刀具失效的在线监测准则

玻璃纤维增强聚合物复合材料(GFRP)由于其特殊的材料属性被广泛应用于轻型结构中,然而其加工过程会发生刀具过度磨损,直接影响了加工工件材料的完整性。基于此,提出了一种GFRP材料加工过程中刀具磨损失效的在线监测准则,对刀具失效时的振动信号和主轴功率信号进行了采集,开展了刀具和工件的切削试验,对测量的振动信号进行分析,对该监测准则进行了试验验证。进一步建立了刀具颤振监测准则,从颤振信号分析了刀具的失效,并通过试验验证了该准则的可行性。     

基于切削参数的高速铣削系统稳定性研究

切削中的振动对加工质量有很大的影响,通过高速铣削试验及仿真分析,对基于工艺参数和刀具参数的高速铣削系统稳定性进行研究,得到了主轴转速、进给量、切削深度、刀具几何参数等对切削颤振系统稳定性的影响规律。试验所得结果为高速铣削加工切削用量的合理选择,特别是加工参数的优化提供了参考。     

MDH80加工中心铣削稳定性研究

为了提高发动机缸体与缸盖结合面的表面加工质量,研究了铣削加工过程中的颤振稳定性问题。进行了刀具—主轴锤击模态试验和铣削力仿真实验,获得了所用刀具的低阶模态参数及铣削力系数。构建了铣削颤振的稳定性叶瓣图,用于指导切削参数的选择和优化。通过该方法可以选取合适的主轴转速和切削深度,避免加工过程中颤振的发生,提高工件表面的加工精度,并对加工刀具及机床本身有保护作用,可提高其使用寿命。     

齿轮传动系统齿根裂纹早期故障识别

建立齿轮系统动力学模型,分析不同深度的齿根裂纹齿轮系统的振动响应和裂纹的故障特征,采用经验模式分解EMD(Empirical Mode Decomposition)方法与频域分析对齿轮早期裂纹故障实验中振动加速度传感器获取的齿轮箱振动信号进行分析。用EMD方法分别将0 mm、2 mm、4 mm的齿轮齿根裂纹故障信号分解为本征模式IMF(intrinsic mode function),对各IMF分量进行频域分析并与仿真信号对比。结果表明:仿真结果可清晰得到齿轮早期裂纹故障的特征频率,通过频谱分析,齿轮裂纹故障其对啮合频率的幅值影响不大,但随裂纹深度增加,啮合频率及其倍频附近的边频带幅值增加;与实验信号进行对比,现象均符合裂纹故障特征。由此可以看出EMD方法可以有效的实现齿轮裂纹早期故障的识别。     

基于故障特征频率的精密机械主轴复合故障定位方法

针对由于撞刀事故引起的精密车床主轴精度下降问题,首先通过主轴振动信号监测,获取故障主轴振动信号频域特征;然后基于主轴结构和轴承特征参数,计算不同故障模式下轴承故障特征频率;最后基于故障特征频率与监测振动信号频率之间的对应关系,定位主轴故障位置。通过主轴拆卸和精度测试,验证了所提故障定位方法的有效性。实验结果表明：角接触球轴承内、外圈损伤是导致主轴精度下降的故障源,理论方法故障定位结果与拆卸实验定位结果一致;采用新轴承重装配后主轴的精度检测结果恢复正常,进一步验证了此故障定位方法的有效性。     

基于机器学习机床机械加工特征信息与加工材料关联性研究

为了开展数控机床机械加工特征信息检测与分析方面的研究,以健康状态的机床对不同工件材料进行切削加工,通过数据采集系统采集在不同切削状态下机床主轴输出的机械特征信息,利用机器学习的方法对特征信息进行分析和判断,提出一种基于机床主轴振动信号与机床主轴负载电流特征信息融合的工件材料精确识别判断模型。首先,获取机床在不同加工状态下的主轴振动信号以及主轴负载电流信号,利用变分模态分解(VMD)算法对其进行分解获得本征模态分量(IMF)并计算各个IMF的多尺度加权排列熵(MWPE)进行信息融合构建特征向量;然后使用灰狼优化(GWO)算法对传统支持向量机进行优化并对4种常见工况进行识别判断。试验结果表明:基于信息融合的特征提取与GWO-SVM相结合的方法能够利用机床加工状态输出的数据特征信息对正在加工的材料种类进行精确识别判断。     

基于小波包分解和奇异谱分析方法的立铣加工颤振监测

在立铣加工过程中,颤振是加工过程失稳的一个最重要的原因。颤振将会严重影响工件表面质量和材料去除率,加剧刀具磨损和恶化工作环境。虽然大部分颤振监测系统可以监测到颤振发生,但颤振发生时已经对工件和刀具产生了严重的损伤,因此,需要提前监测到颤振特征。在颤振发生过程中,振动信号具有在时域中不断增大,在频域中能量频移的特性。考虑这两个振动信号特征,提出了一种颤振特征提取方法。提取颤振发生频带中振动信号的能量比和奇异谱熵系数作为两个颤振特征,并通过人工神经网络模型实现切削颤振的识别。文中提出的颤振监测系统包括特征提取和分类,能够精确辨识立铣加工中的稳定、过渡和颤振状态。     

高速铣削系统动态实验方法研究

针对高速铣削加工中心设计并进行了静态模态实验、动态空转实验和铣削实验,分别在不同工况下的静态实验、主轴空转不铣削实验、不同铣削参数铣削实验下测得振动信号和动态铣削力.通过对各项实测数据的对比分析,得出各铣削参数与高速铣削系统动态特性的关系,识别特定加工条件下的稳定性铣削极限,为探讨适合高速铣削特点的实验测试及其动态特性优化方法提供依据.     

基于主成分分析和BP神经网络的微铣刀磨损在线监测

为提高微铣刀磨损在线监测系统的预测精度,尝试通过主成分分析法对微铣削振动信号的时域和频域特征进行降维,将降维后的特征输入改进型BP神经网络模型,实现微铣刀磨损特征分类.结果表明,提出的微铣刀在线监测方法能够准确识别微铣刀的各种磨损状态,此外,和其它分类算法相比,提出的基于遗传算法的BP神经网络模型在分类精度和计算效率方...     

基于特征频率自动识别的机床振动分析

在精密超精密加工中微小的振动都会影响机床的加工精度。为了有效减小或抑制振动,在线提取、分析和辨识振动是十分必要的。文章基于傅立叶变换,提出了频域自动识别的方法。该方法首先获取由转速引起的振动频率,再利用该频率分析振动信号中是否含有其他振动源,从而实现振动的在线辨识,并通过机床空转实验和加工实验进行验证。实验结果表明:该方法提取出的振动频率准确,可应用于加工的振动在线辨识与分析。     

铣削加工颤振稳定域影响参数研究及优化

建立圆柱形铣刀铣削加工动态切削数学模型,采用一种解析法计算并绘制稳定域图,获取加工稳定性随工艺参数变化的规律。分析系统参数对铣削加工颤振稳定特性的影响,提高固有频率、增大系统刚度和阻尼有助于提高系统加工稳定性。基于动态变化的稳定域图及共振功率半频带频率,提出一种铣削稳定性约束下铣削参数优化模型,获取最大加工效率下的主轴转速、径向进给量及轴向进给量参数的最优值。开发铣削稳定性分析仿真软件,实现铣削颤振稳定域分析、共振区域分析、铣削参数优化等功能。将复杂设计分析过程工程实用化,具有工程应用价值。该方法同样可推广到磨削、车削的颤振分析。     

基于小波神经网络的滚动轴承故障诊断

根据滚动轴承振动信号的频域变化特征,采用小波包分析对其建立频域能量特征向量,利用径向基函数神经网络完成滚动轴承故障状态的识别.理论和试验证明了该方法的有效性和实用性.     

TB9钛合金车削系统振动特性与表面粗糙度关系的试验研究

目的 通过车削加工TB9钛合金试验,定量研究不同位置的振动特性对表面粗糙度的影响规律,并建立基于振动参数的表面粗糙度预测模型。方法 选用涂层硬质合金刀具对TB9钛合金线材进行车削加工。通过8704B25和3333A2加速度传感器对试验过程中不同位置的切削振动进行检测。运用Matlab对振动加速度信号进行处理和分析。采用TR2000高精度表面粗糙度仪测量工件表面粗糙度。结果 车削系统不同位置的振动特性均与表面粗糙度存在线性关系。车削系统中刀具振动加速度均方根值、主轴振动加速度均方根值以及后导向振动加速度均方根值与表面粗糙度的Pearson相关系数分别为0.379 93、0.331 90、0.181 95。表面粗糙度预测模型的预测平均百分比误差小于3%。结论 车削加工时刀具、主轴以及后导向的车削振动均对表面粗糙度有一定影响。车削系统不同位置的振动特性对表面粗糙度的影响次序为刀具>主轴>后导向,可见距离切削位置越近的振动对车削加工表面粗糙度的影响越大。基于振动参数的表面粗糙度预测模型的准确度较高,可作为表面粗糙度的预测模型。     

基于频域特征和支持向量机的汽车水泵轴承故障诊断研究

为了在线监测与识别汽车水泵轴承的故障类型,以WR3258152型汽车水泵轴承为研究对象,分析了其内部结构和常见故障。根据常见故障,预设了汽车水泵轴承的4类缺陷。在搭建的信号采集实验平台上,利用加速度传感器,分别采集了4类缺陷轴承在运转过程中的振动信号。利用Matlab软件对振动信号进行快速傅立叶变换和频域特征值计算,选用径向基核函数和粒子群参数优化方法建立支持向量机模型,并进行测试验证,结果表明:支持向量机分类方法能精确识别汽车水泵轴承常见的4类缺陷。为汽车水泵轴承的在线监测与故障诊断提供了参考。     

纵扭复合超声端面铣削表面微结构建模与试验研究

目的 对纵扭复合超声端面铣削加工表面微结构进行预测,以优化加工参数。方法 对纵扭复合超声端面铣削进行运动学分析,并在其基础上建立三维运动轨迹方程。对刀尖轨迹仿真,且研究该运动方式下的加工特性。通过对切削刃和工件离散化建立纵扭复合超声端面铣削表面微结构理论模型,并利用MATLAB进行三维表面仿真。对TC4钛合金进行超声振动切削试验。结果 理论仿真和切削试验结果均表明超声纵扭端面铣削时,随振幅的增加,由振动引起的表面微观结构特征愈加明显。扭纵幅值比增大时,加工表面微观结构凹坑效应弱化,At/Al=0.55时,加工表面呈条形片状微观结构。振动频率和主轴转速会影响表面微观结构单元的疏密程度。结论 加工表面微结构的生成与振动频率、振幅、扭纵复制比、切削速度等加工参数相关,铣削实验得到的加工表面变化趋势与表面理论模型吻合,该表面模型能够优化超声加工参数。     

微细铣削加工再生颤振的研究(英文)

微细铣削是利用微铣刀在高转速下加工复杂三维结构的制造技术。再生型颤振能引起刀具的严重磨损,降低零件的加工质量,是微细铣削加工面临的主要挑战之一。铣削加工过程中切削系数和系统动态特性的多变影响颤振稳定性。针对该问题,建立了考虑再生效应的微铣削动态铣削力模型和颤振稳定域解析模型,通过模态试验获得机床 - 刀具系统的频响函数,综合使用铣削稳定性判据进行数值分析,获得了颤振稳定域解析解。最后进行了颤振稳定性加工实验,验证了建立的颤振系统动力学模型和颤振解析模型的正确性。     

基于小波包与CEEMDAN的MC主轴振动信号降噪方法

针对采集到的加工中心(Machining Center, MC)主轴振动信号中包含大量噪声,导致无法准确地识别MC主轴故障的问题,提出能对高低频的噪声都能分析处理的小波包与具有自适应噪声的完整集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)相结合的降噪方法,对MC主轴振动信号进行降噪处理。使用小波包算法对主轴振动信号进行预处理,通过CEEMDAN方法对预处理的主轴振动信号进行分解,得到多个本征模态函数(Intrinsic Mode Function,IMF)分量和残余分量;计算预处理的主轴振动信号与IMF之间的相关系数,并对高相关系数的IMF分量进行阈值降噪处理;把处理后的IMF分量、未处理的IMF分量和残余分量叠加以获得重建信号。最后,采用仿真信号和真实MC主轴振动信号进行测试,证明该降噪方法能有效去除噪声,使得信号特征的可分离性更高,提高了MC主轴故障识别能力。